谷歌表示，借助 TensorFlow 2，可在跨平臺、設備和硬件上實現一流的訓練性能，從而使開發者、工程師和研究人員能夠在他們喜歡的平臺上工作。IT之家獲悉，現在，TensorFlow 用戶可以在搭載 Apple 全新 M1 芯片或 Intel 芯片 Mac 上的 利用 TensorFlow 2.4 Mac 優化版和新的 ML Compute 框架來加快訓練速度。這些改進提升了 Apple 開發者通過 TensorFlow Lite 在 iOS 上執行 TensorFlow 的能力，繼續展現了 TensorFlow 在 Apple 硬件上支持高性能 ML 執行方面的廣度和深度。

采用 ML Compute 時 Mac 上的性能

Apple 近期發布了搭載全新 M1 芯片的系列 Mac 產品，如此一來，Apple 針對 Mac 優化的 TensorFlow 2.4 版能夠充分利用 Mac 的強大功能并在性能上大幅提升。

ML Compute 是 Apple 的新框架，可以在 Mac 上訓練 TensorFlow 模型，現在，您可以在搭載 M1 和 Intel 芯片的 Mac 上實現加速的 CPU 和 GPU 訓練。

例如，M1 芯片搭載功能強大的新型 8 核 CPU 和多達 8 核 GPU，均針對 Mac 上的 ML 訓練任務進行了優化。在下圖中，您可以看到針對 Mac 優化的 TensorFlow 2.4 如何在搭載 M1 和 Intel 芯片的通用型號 Mac 上實現巨大的性能提升。

▲在搭載 M1 和 Intel 芯片的 13 英寸 MacBook Pro 上使用 ML Compute 時對常見模型訓練影響，以每批秒數顯示，數字越小表示訓練時間越短

▲在搭載 Intel 芯片的 2019 Mac Pro 上使用 ML Compute 時對常見模型的訓練影響，以每批秒數顯示，數字越小表示訓練時間越短

開始使用針對 Mac 優化的 TensorFlow

用戶無需對其現有的 TensorFlow 腳本進行任何更改即可使用 ML Compute 用作 TensorFlow 和 TensorFlow 插件的后端。

首先，請訪問 Apple 的 GitHub 倉庫，了解如何下載和安裝 Mac 優化的 TensorFlow 2.4。

在不久的將來，谷歌會將該版本集成到 TensorFlow master 分支中，使用戶能更輕松地進行此類更新，從而獲得這些性能數據。

您可以在 Apple 的機器學習網站上了解 ML Compute 框架細節。

責任編輯：haq